Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
", "aboutText": "Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.\n\nPour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.\n\nLa réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.\n\nPour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.\n\nLe tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.\n\nLa fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.\n\nCe profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.\n\nLa fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1/messagestext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
Texte + image
{type:image,source:{type:base64,media_type,data}} ou source type=url
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/messagesAiloot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1beta/models/{model}:generateContenttext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champpath.model | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite | Par défaut— |
Champcontents | Typecontent[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champcontents[].role | Typestring | ExigenceFacultatif | Valeurs et limites user, model | Par défaut— |
Champcontents[].parts | Typepart[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
ChampsystemInstruction | Typecontent | ExigenceFacultatif | Valeurs et limites | Par défaut— |
ChampgenerationConfig.maxOutputTokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
ChampgenerationConfig.temperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topP | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topK | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.stopSequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].functionDeclarations | Typefunction_declaration[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChamptoolConfig.functionCallingConfig.mode | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsafetySettings | Typeobject[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsessionId | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Texte · Texte UTF8
contents[].parts[].text
Texte + image
parts[].inlineData={mimeType,data}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratcontents |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1beta/models/{model}:generateContentAiloot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ou streaming pris en charge
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les candidats et toutes les parties, y compris les appels de fonctions, les signatures de raisonnement et les données d’utilisation ; assemblez les fragments du flux dans l’ordre.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
ChampresponseId | Typestring |
ChampmodelVersion | Typestring |
Champcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Champcandidates[].finishReason | Typestring |
ChampusageMetadata | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash-lite","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-flash-lite | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 tokens. Il accepte du texte et des médias, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite est le profil stable et léger de Google pour la traduction, la classification et l’extraction simple de données à grande échelle. Son raisonnement hybride peut inclure ou omettre la réflexion selon la tâche. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF, et produit du texte. Un résultat utile est une catégorie, une traduction concise, une fiche extraite des éléments fournis ou une explication écrite de portée délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Conservez l’identifiant source dans le résultat lorsque plusieurs éléments indépendants sont traités. Pour classer les messages d’assistance, attribuez à un message un type de problème et renvoyez la phrase qui justifie cette catégorie. Prévoyez une règle pour les éléments probants manquants ou ambigus, afin qu’une réponse fluide ne remplisse pas un champ obligatoire par une supposition. Le rôle léger du modèle est particulièrement utile lorsque l’entrée et le résultat requis sont clairement définis.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google autorise un budget de réflexion explicite de 512 à 24 576 tokens, zéro pour maintenir la réflexion désactivée et -1 pour demander une réflexion dynamique. Il s’agit de réglages du budget de raisonnement, distincts de l’enveloppe de réponse finale. Activez un raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions ; une conversion simple peut conserver le comportement par défaut sans réflexion. Le guide précise que le modèle peut utiliser plus ou moins de tokens de réflexion que le budget demandé.
Pour la traduction, indiquez la langue cible, le public et les termes à conserver. Précisez si le résultat doit contenir uniquement la traduction ou une fiche avec des libellés. Pour l’extraction documentaire, définissez les champs et demandez les passages sources qui permettent de vérifier la sortie. Pour un enregistrement, distinguez une transcription d’un résumé et identifiez le passage qui importe. Les images ou la vidéo peuvent apporter des éléments probants à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau de cette version stable précise répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Les fonctions doivent avoir une finalité claire et des paramètres définis ; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments d’origine. Une décision d’outil ou une fiche bien formée n’est utile que dans le contexte de la source et des éléments réellement renvoyés.
La fiche native indique une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page du modèle dans l’API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse déterminent si le résultat final peut tenir. La mise en cache et les traitements par lots, Flex et Priority sont répertoriés pour ce profil du concepteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transmettez les identifiants dans le résultat afin qu’un examen ultérieur puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native commune attribue les améliorations de September Preview, notamment le respect des instructions et la concision, spécifiquement à cette édition préliminaire ; elles ne doivent pas être transférées tacitement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent également des réglages de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les paramètres documentés pour celle-ci plutôt que de remplacer les budgets de 2.5 par la syntaxe des niveaux de réflexion de Gemini 3.
La fiche signale des hallucinations ainsi que des limites dans la compréhension causale, la déduction logique complexe et le raisonnement contrefactuel, et indique une date limite de connaissances en janvier 2025. Fournissez des éléments actuels ou utilisez un processus d’ancrage documenté lorsque des faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans les sources et les transcriptions par rapport à l’audio. Un résultat court et ciblé rend cet examen praticable sans considérer une réponse soignée comme la preuve que la source contenait le détail affirmé.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-flash-lite | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Exemple technique en anglais
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.